符号化矩阵库，基于cuda，使用blas（openblas，cublas），C++11
API参考Armadillo (http://arma.sourceforge.net/docs.html)
包括神经网络，稀疏编码器，softmax回归
算法主要参考有：斯坦福的UFLDL，http://eric-yuan.me/， https://github.com/jatinshah/ufldl_tutorial
测试结果
MNIST，数据/=255.0 两层稀疏编码器，隐藏层600个神经元，SGD算法，batch为512
第一层 稀疏层
t1.alpha = 0.5; // 学习率
t1.lambda = 0.003; // L2 权重衰减
t1.momentum = 0.9; // 动量
t1.run(5000, batch, train_images, train_images); // 5000次batch大小的SGD，误差最后在12.5左右
第二层 稀疏层
t2.alpha = 0.5;
t2.lambda = 0.003;
t2.momentum = 0.9;
t2.run(5000, batch, new_train, new_train); // 误差最后在3.8左右
第三层 softmax
ts.alpha = 0.5;
ts.lambda = 0.003;
ts.momentum = 0.9;
ts.run(10000, batch, new_train, train_labels); // 误差最后在0.8左右
最终调整：
tf.alpha = 0.1;
tf.lambda = 0.0;
tf.momentum = 0.9;
tf.run(50000, batch, train_images, train_labels); // 误差最后在0.005左右
最终正确率，在MNIST测试集上的binary准确率，不是cost：
total: 10000, right: 9771, ratio: 0.9771
错误率 2.29%